【摘 要】
：
准循环低密度奇偶校验码(QC-LDPC)的校验矩阵通过循环移位生成,用于构造公钥密码体制,可减小公钥存储量,但易导致低重量码字搜索攻击。提出了一种基于准循环中密度奇偶校验码(QC-MDPC)的公钥密码体制,并且给出了一种快速比特翻转(BF)译码算法。该密码体制与基于Goppa码的Mc Eliece公钥密码体制相比,在相同的安全参数下,公钥存储量最大可减小93倍,且加/解密复杂度低,能抵抗对偶码和消
【机 构】
：
西安电子科技大学通信工程学院,北京电子科技学院信息安全系
论文部分内容阅读
准循环低密度奇偶校验码(QC-LDPC)的校验矩阵通过循环移位生成,用于构造公钥密码体制,可减小公钥存储量,但易导致低重量码字搜索攻击。提出了一种基于准循环中密度奇偶校验码(QC-MDPC)的公钥密码体制,并且给出了一种快速比特翻转(BF)译码算法。该密码体制与基于Goppa码的Mc Eliece公钥密码体制相比,在相同的安全参数下,公钥存储量最大可减小93倍,且加/解密复杂度低,能抵抗对偶码和消息集译码攻击,安全性高。
其他文献
随着本体数量的不断增加和语义Web的发展,多用户本体协同操作成为发展的必然趋势,但是在共同协作的本体环境中总是充斥着各种冲突,所以协同演化冲突检测和消解是亟需解决的一个问题。提出了一个分类检测并消解演化冲突的结构化方法,根据演化冲突的复杂程度分为直接冲突、衍生冲突和不一致冲突,针对不同类型冲突的特点构建相应的协同演化冲突检测算法,最后通过判断演化冲突对中是否存在可删操作和寻求最大一致子序列进行冲突
针对传统的语义网本体和上下文感知系统不适合处理现实世界中动态知识这一问题,借鉴了语用网在表达动态知识方面的优势,提出了语用网驱动的上下文感知系统,设计了语用网驱动的上下文感知系统框架。该系统采用了一种高效、新颖的上下文获取技术,可以更加准确地捕获用户的真实意图,并在此基础上通过推理得到具有决策能力的高层上下文。最后通过基于智能体的上下文感知服务发现方法,实现"以用户为中心"的个性化推荐服务。
支持向量机在处理不平衡数据集时,对少类样本的分类效果很不理想。传统的处理方法尽管能够提高少类样本的分类准确率,但多类样本的分类准确率却大幅度下降。综合考虑样本间的相对距离和密集程度,提出了一种欠采样方法。基于UCI标准数据集的仿真实验结果表明,提出的算法不仅可以提高少类样本的分类准确率,而且将多类样本的分类准确率的损失降到最低。
针对Web服务和Web业务的选择问题,提出一种基于动态需求服务反馈的Web业务可信度协同计算算法,动态分析了用户的Web服务选择和组合问题,采用了基于用户满意度信息的服务反馈模型来解决Web服务的选择问题,从而防止Web业务选择到服务质量较差的服务类型。在Web业务的选择上采用了基于可信度计算的方法,可信度大小由业务信誉度、反馈能力、服务信任度三方面决定,通过可信度大小的比较来选择最佳的Web业务
针对现有的量子算法处理时间长、成本过于昂贵这一不足,提出一种延时快速估计算法LEQA,以评估映射到瓦片量子结构的量子算法的延时。该算法使用程序化方法,通过计算量子周围相邻量子的数量来计算算法的延时。仿真结果表明,对中等规模的电路,LEQA的速度要比执行细致的布局、调度以及将量子运算依赖图中的量子指令和量子位通过路由传输到量子结构中的现代量子映射器速度快出两个数量级。此外,LEQA还能快速得出电路延
为了提升在复杂网络中对大规模网络数据流进行挖掘时的准确性,提出一种基于复杂网络数据流密度的增量子空间数据挖掘算法,在算法中先对复杂网络的数据流密度进行分析,并根据不同网络的数据流密度来划分社区,进行无向环路遍历来确定数据流的所属社区。再通过增量子空间数据挖掘算法来计算社区网络与数据流的相关度以及数据流所经过的节点与时间的相关系数,从而准确确定目标数据流所处的节点。通过仿真实验结果和数据分析表明,增
异地分布式信息系统开发(GDISD)团队间协作关系是动态发展的,根据组织间信任演进理论,分析分布式开发团队协作关系的发展过程,构建GDISD团队动态协作信任演进的理论模型。从生态学种群增长的视角,运用logistic方程对GDISD团队协作信任演化进行数理分析,使用Jacobi矩阵对方程改进,通过仿真对演化模型进行模拟分析。研究发现,GDISD团队形成与建立的初期,协作方自身信任度的建立对协作信任
为了真实地体现实际毛笔的特点,增强虚拟绘制真实感,通过对虚拟毛笔建模现状综述,归纳了典型建模方法的基本思想和优缺点,探讨了基于经验方法和基于物理方法的模拟效果;还简要分析了笔纸交互、纸墨交互及人机交互设备对虚拟毛笔建模的影响。最后分析了目前虚拟绘制中存在的主要难点和问题,指出了今后虚拟毛笔建模的研究方向。
多尺度理论已被引入到数据挖掘领域中,但目前多尺度数据挖掘的研究并不深入,缺乏普适性理论与方法。针对上述问题,研究了普适的多尺度数据挖掘理论,提出了尺度上推关联规则挖掘算法。首先基于概念分层理论给出了数据尺度划分和数据尺度的定义;然后根据多尺度理论的研究重点阐明了多尺度数据挖掘的实质及研究核心;最后在多尺度数据理论研究的基础上提出了尺度上推关联规则挖掘算法SU-ARMA(scaling-up ass
为了解决处理大样本和超大样本数据集消耗大量时间和准确性问题,将中心约束型最小包含球(CCMEB)理论融合对TSK模糊系统(Takagi-Sugeno-Kang fuzzy system)重新审视和改进而成的双层TSK模糊系统CTSK(centralized TSK fuzzy system)。两种系统取长补短结合成新的适合处理大样本数据的算法系统。仿真实验研究分析了不同的模糊规则对新算法的影响以及